超低碳钢是一种重要的汽车用钢材料, 钢中通常添加钛元素, 使其形成析出物, 提高钢材的深冲性.然而钛元素作为一种脱氧能力较强的元素, 进入钢液中通常首先形成氧化物.为了减少含钛氧化物夹杂的生成, 基于\转炉-RH-连铸\的超低碳钢生产流程, 对RH精炼过程进行系统取样, 分析了铝脱氧剂加入后及合金化元素钛加入后的氧、氮气体含量变化及夹杂物特征变化, 并使用FactSage热力学计算软件对Fe-Al-Ti-O夹杂物稳定相图进行计算.研究结果显示, 含钛类氧化物夹杂通常以Al2O3类夹杂物作为形核质点, 对其形成包裹状夹杂物.若避免含Ti夹杂物的生成, 当钢中Ti质量分数为0.1%时, 钢中溶解Al质量分数应在0.01%以上.对含钛氧化物的生成及长大流程进行研究, 通过对Al2O3夹杂物及Ti2O3夹杂物粗化率的计算及附着功的比较可知, Ti2O3夹杂物在1600℃时的熟化生长速率较Al2O3较大且Ti2O3夹杂物与Al2O3夹杂物相比不容易相互碰撞融合并从钢液中去除.若提高精炼过程中的氧化物夹杂物去除率, 应严格控制含钛氧化物类夹杂物的生成

从宣钢铁水供应的现状出发,提出了\高炉-铁水罐-转炉\这样一个紧凑的高炉-转炉界面模式(铁水罐向转炉直兑铁水).并从时间、铁水质量、能源与环保、设备以及人员配置等五个方面来评价分析铁水直兑的优点,根据铁水直兑的要求,宣钢现有铁水罐必须扩容,提出了现有铁水罐扩容改造的两种方法,并对这两种方法的改造效果进行比较.最后,讨论了铁水罐扩容后相关辅助设施的改造问题,从而为宣钢的铁水供应方案的改造提出了参考依据

在现有工艺条件下，校验和完善二冷区铸坯凝固传热计算数学模型，开发三维二冷配水模型，解决目前设备状况下冷却水分布不均匀对铸坯温度的影响，从而控制铸坯表面质量，特别是铸坯的角部裂纹，同时对板坯连铸二冷配水制度进行改进和优化，使之满足高效连铸生产条件和改善铸坯质量的需要。提出压下参数计算公式，结合所开发三维二冷配水模型，优化现有压下工艺，提出并应用精准可控单段压下、非稳态压下控制，集中解决连铸板坯中心偏析、中心疏松和缩孔等内部质量问题。同时优化模型数据库，使之数据更加完备，模型计算更加准确，同时模型具备异钢种混浇过程二冷及压下控制功能，能够进行凝固终点W形预测与控制，可进一步提高模型适用性和准确性。模型开发并成功在多家钢厂现场应用，有效改善了铸坯裂纹和偏析等铸坯表面和内部的质量问题

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

月球矿物资源的原位利用技术是月球基地建立和后续深空探索的基础。由于月球特殊环境及地月运输成本的限制，现有矿冶技术难以直接应用于月球矿物的原位开发。各国的科研人员围绕月球矿物资源原位利用方向开展了卓有成效的研究工作，发展了几种极具应用潜力的技术。这些方法可分为材料化成型和提取冶金两类，其中材料化成型工艺如烧结法、3D增材制造法等，主要用于将月壤直接材料化成型以制备月球基地建材。提取冶金工艺包括碳/氢化学介质还原法、电解还原法以及真空热解法等，可生产月壤矿物对应的金属单质或其低价氧化物，并获得氧气。本文概述了已有月壤原位利用技术的一般原理、基本过程、热力学动力学基础及近期研究进展。探讨了这些方法的一些优缺点，并展望了其在月球矿物原位利用上的应用前景

对近年来MOF材料去除水环境中重金属、有机物的相关研究进行了总结与评述。本篇是该主题的第2篇，主要对MOF材料去除水中有机污染物的相关研究进行总结和论述。研究表明，MOF材料含有大量开放性金属位点、路易斯酸碱位以及官能团，因而对染料、抗生素、农药、持久性有机污染物等均具有较高的吸附性能。氢键、π?π作用、疏水作用和静电引力是其吸附有机污染物的主要机制，部分MOF材料中较大的孔道结构也有利于大分子有机污染物的吸附；另外，部分MOF材料还具有优异的催化性能，能够作为类Fenton催化，光催化以及过硫酸盐活化的催化剂实现对有机污染物的催化降解，其中光催化反应中污染物的降解主要源于·O2?、·OH和h+的贡献；而在过硫酸盐体系中，·O2?、·OH、SO4·?和1O2是导致有机污染物分解的主要活性氧化物种。基于对先前研究的回顾，相信未来的研究领域包括但不限于以下方面：（1）进一步提高MOF在去除有机污染物方面的性能，并提高其可回收性；（2）开展新型MOF催化材料的制备及催化反应机理的研究；（3）研究MOF缺陷结构的调控，以开发具有更高吸附和催化性能的新型MOF材料；（4）研究新的框架材料，例如共价有机骨架（COFs）材料，并将其应用于污染物净化领域

利用Gleeble-3500热模拟试验机对38MnB5热成形钢的高温变形行为进行研究, 分别在650~950℃温度区间内, 以0.01、0.1、1和10 s-1的应变速率对其进行等温单向拉伸测试, 并得到相应条件下的真应力-应变曲线.结果表明: 38MnB5热成形钢流变应力随着变形温度的升高而减小, 随着应变速率的增大而增大.当应变速率逐渐增加时, 热变形时发生的动态回复和动态再结晶效果并不显著, 而当温度逐渐升高时, 二者作用逐渐加强.考虑了温度、应变速率和应变的综合复杂影响, 建立38MnB5热成形钢高温下的本构方程.此本构方程通过对流变应力、应变、应变速率等实验数据的回归分析, 得到与变形温度、应变速率和应变相关的材料参数多项式.计算结果与实验结果对比发现, 通过本构方程所获得的计算值与试验值吻合良好

利用CMT5105电子万能试验机和HTM 16020电液伺服高速试验机对超高强热成形钢进行拉伸试验,应变速率范围为10-3~103 s-1,模拟热成形零件在不同应变速率下的碰撞情况.结果表明:在低应变速率阶段(10-3~10-1 s-1)实验钢的应变速率敏感性不高,随应变速率的升高,实验钢的强度和延伸率变化不大;在高应变速率阶段(100~103 s-1)实验钢具有高的应变速率敏感性,随应变速率的升高,实验钢的强度和延伸率都呈增大的趋势,并且抗拉强度的应变速率敏感性要大于屈服强度.这主要是由于在高应变速率阶段拉伸时产生的绝热温升现象和应变硬化现象共同作用造成的.实验钢颈缩后的延伸率随应变速率的增大而减小,主要是由于高应变速率下马氏体局部变形不均匀造成的.实验钢吸收冲击功的能力随应变速率的升高而增大,实验钢达到均匀延伸率时吸收冲击功的大小对应变速率更敏感.与低应变速率阶段相比,实验钢在高应变速率阶段的断口韧窝的平均直径更小,韧窝的深度更深,这与高应变速率阶段部分马氏体晶粒的碎化有关.通过扫描电镜和透射电镜观察发现,在高应变速率拉伸时晶粒有明显的拉长趋势,并且在应力集中的地方有一些微空洞的存在,应变速率为103 s-1时部分区域有碎化的现象

人工智能特别是近几年深度学习的飞速发展，深刻的影响着军事领域，并赋予现代战争智能性、交叉性和破坏性的新特点。要想在军事对抗中取胜，不仅需要机器智能，同样需要人类智慧，能在军事作战中达到人机高度协同，是实现人与机器取长补短的重要途径，也是在愈发复杂的战争形势中取得胜利的关键。本文将军事对抗中人工智能的应用作为切入点，罗列了代表性国家在军事领域对人工智能的重视程度，从对抗策略和物联网三层架构两大角度对发展现状进行总结，同时指出在目前军事领域使用人工智能存在的不足，对人机融合智能在军事对抗中的发展趋势进行分析，并给出可能实现的技术方案，对未来的研究方向作出展望。如何实现高度的人机融合，从而获得“1+1>2”的良好效果，是人工智能在军事对抗中的下一步研究工作